The D-KEFS Trails as performance validity tests.
Notice bibliographique
Résumé
This study was designed to examine the potential of the Delis-Kaplan Executive System (D-KEFS) version of the Trail Making Test (TMT) as a performance validity test (PVT). Data were collected from a mixed clinical sample of 157 consecutively referred outpatients (49% male, MAge = 47.1, MEducation = 13.6) undergoing neuropsychological assessment at an academic medical center in the northeastern United States. Sensitivity and specificity of the D-KEFS Trails to psychometrically defined invalid responding was calculated across various cutoffs and criterion PVTs. The D-KEFS Trails produced classification accuracy comparable to the original version of the TMT, hovering around the "Larrabee limit" (.50 sensitivity at .90 specificity). Different cutoffs (age-corrected scaled score ≤5 on Trails 1-3, ≤4 on Trails 4 and ≤8 on Trails 5) were needed to achieve the same classification accuracy across the five trials. Combining multiple cutoffs improved the signal detection performance. The study provides preliminary evidence of the utility of D-KEFS Trails as a PVT. Embedded PVTs are valuable, because they make a multivariate approach to validity assessment feasible. Combining validity indicators is superior to relying on single cutoffs. (PsycINFO Database Record
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».